Methoden und Formeln für die Zusammenfassung des Modells in Anpassen des Modells und Ermitteln von wichtigen Prädiktoren mit TreeNet® Regression

Hinweis

Dieser Befehl ist mit dem Predictive Analytics-Modul. Klicken Sie hier, um weitere Informationen zum Aktivieren des Moduls zu erhalten.

Wählen Sie die gewünschte Methode oder Formel aus.

Wichtige Prädiktoren

Die Anzahl der Prädiktoren mit positiver relativer Wichtigkeit.
Ein TreeNet® Regression-Modell stammt aus einer Sequenz von kleinen Regressionsbäumen, die verallgemeinerte Residuen als Antwortvariable verwenden. Die Berechnung der Modellverbesserungswerts für einen Prädiktor aus einem einzelnen Baum erfolgt in zwei Schritten:
  1. Ermitteln Sie die Reduzierung der mittleren quadrierten Fehler, wenn der Prädiktor einen Knoten aufteilt.
  2. Fügen Sie alle Reduzierungen von allen Knoten hinzu, bei denen der Prädiktor der Knotenteiler ist.

Dann entspricht der Wichtigkeitswert für den Prädiktor der Summe der Modellverbesserungswerte für alle Bäume.

R-Quadrat

R2 wird auch als Determinationskoeffizient bezeichnet.

Wurzel des mittleren quadrierten Fehlers (RMSE)

Mittlerer quadrierter Fehler (MSE)

Mittlere absolute Abweichung (MAD)

Mittlerer absoluter prozentualer Fehler (MAPE)

Notation

BegriffBeschreibung
yi beobachteter Wert der Antwortvariablen
Mittelwert der Antwortvariablen
angepasste Antwortvariable
NAnzahl der Zeilen
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien